Genome-wide identification and hormone expression patterns of the MaPIF family of banana genes北大核心CSCD

植物光敏色素作用因子(phytochrome interacting factor,PIF)是广泛分布于植物体内的一种转录因子,在植物的生长发育方面有着重要的作用.基于香蕉基因组数据,对香蕉MaPIF基因家族进行基因组鉴定,采用生物信息学分析方法对其进行命名,分析理化性质、蛋白质结构、基因结构、启动子顺势作用元件以及构建系统进化树;分析PIF家族在不同激素处理下的表达情况.结果显示,香蕉MaPIF家族有7个成员,均含有高度保守的bHLH结构域;编码区长度在1 116-2001bp之间,至少包含5个内含子,且大部分位于细胞外;进化树结果可以发现与拟南芥、水稻以及玉米PIF的亲缘关系较近;顺式作用元件预测结果显示,MaPIF上存在多种与激素和光相关的响应元件.qRT-PCR结果显示,MaPIF3-1、MaPIF4、MaPIF4-1在生长素(IAA)、赤霉素(GA)、生长素抑制剂(NPA)处理中均有显著表达,除此之外,所有成员在脱落酸(ABA)处理下均有明显表达.本研究表明MaPIF在香蕉生长发育中激素调控有重要作用.(图7表3参45)     

应用地球化学工程学修复水、气、土壤污染的研究进展

本文简要介绍了地球化学工程学的基本概念、主要环境技术及尺度 ,综述了地球化学工程学在水、大气、土壤污染修复中的研究进展。     

杂色云芝对2种染料的脱色条件研究

比较了2种不同液体限氮培养基中杂色云芝对酸性品红和亚甲基蓝的脱色效果,确定了最佳接种量。优化出的基本参数为T=34℃、进料浓度200mg/L、pH=4.5。实验结果表明:杂色云芝对进水的酸碱度具有很强的适应性,从pH2.5到10.5比较宽的区间内保持了比较稳定的高脱色率,这一点对于工程应用具有实际意义。     

二(噁)(口英)样品制备与检测技术进展

环境中存在的二噁是一类严重影响食品安全和人类健康的强毒性有机污染物,为了能正确评价这类化合物的来源与环境中分布情况,二噁的分析检测引起了人们强烈的关注。本文介绍了样品检测前处理纯化过程中所用的各种传统的吸附剂(硅酸盐、佛罗里土和活性炭等)和新发展的几种主要吸附剂(2(1芘基)乙基二甲基硅烷化硅胶(PYE)、炭纳米管和多孔石墨炭等)的性能、在样品前处理过程中所起的作用及存在的问题和发展趋势,并在概括样品制备的基础上,阐述了二纯化技术及其检测方法(包括化学分析法和生物分析法)的进展。     

高含沙紊动系统中泥沙铜的相互作用及其垂向浓度分布

采用谐振式紊动模拟装置 ,通过格栅以一定振幅、不同频率的往复运动 ,在水体中形成均匀紊动场 ,研究紊动对高浓度固液两相系统中泥沙 (黄土 )与铜的相互作用及其垂向浓度分布的影响 ,投沙量 (S)范围为 5kg/m³～800kg/m³.结果表明 ,在均匀紊动条件下 ,黄土对铜的吸附量在S =10kg/m³ 处出现峰值 ,而后随着投沙量的增加而快速下降 .这可能是铜的专性吸附、马兰黄土富含碳酸钙而导致铜的碳酸盐和氢氧化物沉淀 ,以及泥沙浓度效应等过程的共同作用所致 .水相铜浓度随S从 5kg/m³增加到 200kg/m³时快速下降 ,在S>200kg/m³ 的高含沙条件下继续下降趋于 0 .高浓度泥沙紊动水体中 ,水相铜浓度和泥沙吸附铜量的垂向分布分别表现出均匀和波动的不同特点 ,实际含沙量的垂向分布在S<100kg/m³时比较均匀 ,在S>200kg/m³时自上而下逐步增加 .     

关于电气安全工程学学科的思考

以“环境系统人”作为电气安全工程学的研究对象 ,通过对环境、系统、人各个要素及相互之间关系的分析 ,详细探讨了电气安全工程学的研究内容 ,并对学科今后的新的研究领域提出建议。     

新型高效厌氧反应器UBF的研究进展

分析了新型高效厌氧反应器UBF的特点 ,概述了UBF反应器的研究现状。认为UBF工艺在高浓度、难降解有机废水处理中有广阔的推广应用前景 ,应大力加强研究开发力度。     

某深基坑支护设计及监测分析

以广州南方房产大厦深基坑支护结构为例,介绍了深基坑支护的设计指导思想和监测。文中介绍的方法对类似工程的设计有一定指导意义。     

水解酸化-好氧氧化-化学氧化-吸附工艺处理印染废水

对印染废水采用水解酸化-好氧氧化-化学氧化-吸附等进行连续处理。结果表明,该处理工艺具有废水处理效果好、出水水质稳定(出水水质达GB4287-92中的一级标准)、操作管理方便等优点,是处理印染废水的有效方法之一。     

Prediction and cause investigation of ozone based on a double-stage attention mechanism recurrent neural network

● Used a double-stage attention mechanism model to predict ozone. ● The model can autonomously select the appropriate time series for forecasting. ● The model outperforms other machine learning models and WRF-CMAQ. ● We used the model to analyze the driving factors of VOCs that cause ozone pollution. Ozone is becoming a significant air pollutant in some regions, and VOCs are essential for ozone prediction as necessary ozone precursors. In this study, we proposed a recurrent neural network based on a double-stage attention mechanism model to predict ozone, selected an appropriate time series for prediction through the input attention and temporal attention mechanisms, and analyzed the cause of ozone generation according to the contribution of feature parameters. The experimental data show that our model had an RMSE of 7.71 μg/m³ and a mean absolute error of 5.97 μg/m³ for 1-h predictions. The DA-RNN model predicted ozone closer to observations than the other models. Based on the importance of the characteristics, we found that the ozone pollution in the Jinshan Industrial Zone mainly comes from the emissions of petrochemical enterprises, and the good generalization performance of the model is proved through testing multiple stations. Our experimental results demonstrate the validity and promising application of the DA-RNN model in predicting atmospheric pollutants and investigating their causes.